生物质油提质加氢脱氧催化剂研究进展

随着化石能源的日益减少,来源于木质纤维素基可再生生物质油越来越受到人们的关注.但是,与石油相比,生物质油含氧量高,导致其能量密度低、黏度高、热和化学稳定性差,因而必须进行脱氧提质才能用作发动机燃料.在生物质油提质方法中,加氢脱氧(HDO)最具应用前景.综述了木质纤维素基生物质油HDO催化剂的研究进展,包括过渡金属硫化物、磷化物、氮化物和碳化物,贵金属,金属-酸双功能催化剂,过渡金属以及非晶态合金等.过渡金属硫化物催化剂用于HDO时,会因S被氧化物或水中O逐步取代而失活;贵金属催化剂虽具有高HDO活性和选择性,但因价格高、资源受限而无法大规模应用;过渡金属氮化物、碳化物和过渡金属催化剂活性较高,但会在HDO中因结焦或氧的嵌入导致催化剂失活;非晶态合金催化剂具有较高HDO活性,但热稳定性较差;过渡金属磷化物的HDO活性高,稳定性好,是一类优良的HDO催化活性相.载体的表面性质和孔结构对其负载的HDO催化剂性能影响较大.碳沉积和结构破坏是HDO催化剂失活的主要原因.     

基于多观测向量的高光谱影像稀疏表达分类

针对传统的高光谱影像稀疏表达分类模型忽略像元间的内部结构关系且运算效率较低,提出多观测向量的稀疏表达模型来研究高光谱影像分类.该模型引入平衡参数来控制各权重系数向量的稀疏度,通过最小化L2范数约束的重构误差来求解所有测试像元的稀疏系数向量.基于两个高光谱数据集,对比5种常规分类器的分类结果来验证提出的方法.实验结果表明,多观测向量的稀疏表达分类模型在计算效率第二的同时能够得到最高分类精度.     

分部开挖法施工隧道中隔壁优化研究

针对大跨度公路隧道施工采用分部开挖法时,其临时支撑施工速度慢、加工困难等问题,以G312线清水驿至傅家窑公路隧道为依托,将弧形中隔壁替换为竖直中隔壁,采用MIDAS GTS软件分别对两种中隔壁进行对比分析,并结合现场实测数据对数值模拟结果进行验证.研究相同结构不同材料强度中隔壁对大跨度隧道施工的变形及受力影响情况.结果表明：(1)两种中隔壁支护均能满足施工稳定性要求,竖直中隔壁的竖向应力相比弧形中隔壁增大了97.16%,采用竖直中隔壁时隧道围岩和中隔壁的位移变形相比弧形中隔壁更小;(2)对比大跨度隧道施工中分别采用I18和I22b两种不同型号的竖直中隔壁,得到采用I22b钢架的中隔壁产生的最大应力能降低23.09%.     

我国政府宏观决策任务的分类研究

根据对信息产业部等国家宏观经济管理部门近年来决策过程的调查,我国政府管理职能的宏观手段主要是靠宏观规划、产业政策、制定行政规章、政策性资金引导及依法规范市场行为等方式实施宏观调控,本文主要针对宏观规划和产业政策这两种决策任务给出了决策过程和决策支持的需求分析,发现宏观决策任务具有涉及范围广泛,每个决策一般均包括若干决策分支和子决策的特点,进而探讨了隐含的利益、信息不对称和局限将造成决策人或决策群体的认知难与目标的偏差,从而对基于现代信息技术的决策支持方法提出了明确的需求。     

锻锤细锤杆带弹性支承装置的设计计算

本文分析现有锻锤锤杆失效的原因,为提高锤杆使用寿命,论证了细锤杆带弹性支承装置的设计思想,并从受力分析、载荷和动位移、橡胶弹簧的刚度及尺寸、锤杆的稳定性和撞击端最大应力等方面进行了较为完整的理论计算,还给出各项的许用值.并对德国KGK250型气液锤的细锤杆带弹性支承装置进行了验算.     

最小二乘支持向量机的点云数据孔洞修补算法

为了获得理想的点云数据孔洞修补结果, 针对当前算法存在的缺陷, 提出一种基于最小二乘支持向量机(LSSVM)的点云数据孔洞修补算法. 首先根据散乱点云边界估计孔洞修补范围, 然后根据孔洞及周围点的信息, 采用最小二乘支持向量机建立一个曲面, 并对曲面点云数据的孔洞进行修补, 最后采用C++语言编程实现仿真实验. 实验结果表明, 最小二乘支持向量机能有效修补各种复杂的孔洞, 且修补效果优于其他算法.     

用插装阀设计电液控制支架液压系统的研究

插装阀通流能力大、密封性能好、抗污染能力强、易于实现自动控制等优点特别适合于电液控制支架的工况,用其设计和装配该型支架的液压系统,能满足和顺应生产要求,符合工作面支护和流体传动技术的发展趋势,必将在改善支架的工作性能,提高其工作可靠性和效率、降低制造和使用成本等方面起到重要作用.因此,提出了用插装阀设计电液控制支架液压系统的设计思想,并对某型电液控制支撑式支架作了应用设计,分析了工作原理和可行性.设计时,应结合液压支架的工况特点,对控制各油缸的二通锥阀单元进行受力和结构分析,对阀芯面积比、密封结构和最小弹簧力等提出选型和设计要求.     

Incremental support vector machine algorithm based on multi-kernel learning

A new incremental support vector machine (SVM) algorithm is proposed which is based on multiple kernel learning.Through introducing multiple kernel learning into the SVM incremental learning,large scale data set learning problem can be solved effectively.Furthermore,different punishments are adopted in allusion to the training subset and the acquired support vectors,which may help to improve the performance of SVM.Simulation results indicate that the proposed algorithm can not only solve the model selection problem in SVM incremental learning,but also improve the classification or prediction precision.     

基于支持向量机的信息融合诊断方法

提出了一种采用小波变换进行特征提取、支持向量机进行模式分类的多传感器信息融合诊断方法。该方法首先对多传感器的信息进行加权初级融合,接着利用小波变换的时频局部特性和多尺度、多分辨特性对传感器测量信号进行特征提取,最后利用支持向量机进行分类实现信息的特征级融合和分类。将其应用于某转子实验台的故障诊断中,取得了令人满意的结果。     

面向不平衡数据集的一种精化Borderline-SMOTE方法

合成少数类过采样技术(SMOTE)是一种被广泛使用的用来处理不平衡问题的过采样方法,SMOTE方法通过在少数类样本和它们的近邻间线性插值来实现过采样.Borderline-SMOTE方法在SMOTE方法的基础上进行了改进,只对少数类的边界样本进行过采样,从而改善样本的类别分布.通过进一步对边界样本加以区分,对不同的边界样本生成不同数目的合成样本,提出了面向不平衡数据集的一种精化Borderline-SMOTE方法(RB-SMOTE).仿真实验采用支持向量机作为分类器对几种过采样方法进行比较,实验中采用了10个不平衡数据集,它们的不平衡率从0.064 7到0.536 0.实验结果表明:RB-SMOTE方法能有效地改善不平衡数据集的类分布的不平衡性.